|
|
|
|
| LEADER |
04423nam a2200253uu 4500 |
| 005 |
20190212085759.0 |
| 008 |
s2008 ci a |||||||||| ||hrv|d |
| 035 |
|
|
|a HR-ZaFER 37245
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 041 |
|
|
|a hrv
|
| 080 |
|
|
|a 681.511.4
|h SISTEMI AUTOMATSKOG UPRAVLJANJA PREMA LINEARNOSTI MATEMATIČKOG OPISA
|j NELINEARNI SISTEMI UPRAVLJANJA
|e 681.511
|9 1885
|
| 080 |
|
|
|a 004.032.26
|h Vrste i karakteristike sustava
|j Neuronska mreža
|e 004.03
|9 3075
|
| 080 |
|
|
|a 629.027
|h Struktura, načela izrade, opći nacrt i dijelovi vozila
|j Potporne, ovjesne, amortizerske konstrukcije, konstrukcije za ublažavanje udara. Kotači itd.
|e 629.02
|9 3077
|
| 100 |
1 |
|
|9 30680
|a Matuško, Jadranko
|
| 245 |
|
|
|a Procjena stanja nelinearnih dinamičkih sustava s neodređenostima :
|b doktorska disertacija /
|c Jadranko Matuško ; [mentor Nedjeljko Perić]
|
| 260 |
|
|
|a Zagreb :
|b J. Matuško ; Fakultet elektrotehnike i računarstva,
|c 2008.
|
| 300 |
|
|
|a IV, 136 str. :
|b graf. prikazi, formule... ;
|c 30 cm. +
|e CD
|
| 504 |
|
|
|a Bibliografija str. 127-132
|
| 520 |
|
|
|a U ovom je radu razmotren problem procjene stanja dinamičkih sustava s neodređenostima
s posebnim naglaskom na dvije vrste neodređenosti: modelske i stohastičke. Dan
je pregled najvažnijih postupaka procjene stanja sustava s neodređenostima. Predložen
je postupak procjene stanja sustava s modelskim neodređenostima zasnovan na neuronskim
mrežama koji je primjenjiv na široku klasu nelinearnih sustava. Za predloženi je
procjenitelj stanja dokazana stabilnost i konvergencija procjene korištenjem Lyapunovljeve
analize stabilnosti. Također su napravljena dodatna strukturna pojednostavljena
procjenitelja stanja za dva posebna slučaja. Kvaliteta predloženog procjenitelja stanja
sustava simulacijski je provjerena na primjeru procjene sile trenja između automobilskog
kotača i podloge.
Nadalje, u radu je predložen i višekriterijski postupak adaptacije broja čestica čestičnog
filtra kojim se znatno smanjuju numerički i memorijski zahtjevi postupka procjene.
Pored adaptacije broja čestica predloženi postupak omogućuje oporavak postupka procjene
u slučajevima degeneracije samog postupka. Predloženi postupak adaptacije broja
čestica filtra primijenjen je na rješavanje problema lokalizacije mobilnog robota.
Kroz simulacijske i eksperimentalne provjere potvrđena je primjenjivost i robusnost predloženog
postupka pri globalnoj lokalizaciji i rješavanju problema tzv. "otetog" robota.
Prilikom izrade ovog rada korišteni su Matlab/Simulink i Player/Stage razvojna okruženja.
Ključne riječi:
nelinearni sustavi, modelska neodređenost, stohastička neodređenost, procjena sta-
nja, neuronske mreže, čestični filtri, Monte Carlo postupci
|
| 520 |
|
|
|a In this thesis the problem of state estimation of nonlinear dynamic systems with
uncertainties is considered. Special attention is given to the two particular types of
uncertainties: model and stochastic uncertainties. Overview of the existing approaches
to the state estimation of nonlinear systems with uncertainties is presented. A novel
approach is proposed for the state estimation based on neural networks. This approach
is applicable to the wide class of nonlinear systems. Stability and convergence of the
proposed neural network based state estimator is proven via Lyapunov stability analysis.
Additional structural simplifications of the proposed estimator are given for two special
cases of nonlinear systems. The quality of the proposed state estimation procedure is
tested on the problem of tire/road friction force estimation. A new multi-criterion procedure
is proposed for adaptation of the particle filter sample
size. This new approach leads to the significant reduction in the particle filter numerical
and memory requirements. The proposed adaptation procedure is used in the problem of
mobile robot localization. The robustness and applicability of the adaptation procedure
for both global localization and "kidnapped" robot problems is confirmed via simulation
and experimental tests. The developed algorithms were tested within Matlab/Simulink and Player/Stage
programming environments.
Keywords:
nonlinear systems, model uncertainty, stochastic uncertainty, estimation, neural
networks, particle filters, Monte Carlo methods
|
| 700 |
|
|
|4 ths
|9 5594
|a Perić, Nedjeljko
|
| 942 |
|
|
|c D
|2 udc
|
| 990 |
|
|
|a 32879
|
| 999 |
|
|
|c 32820
|d 32820
|